卷五 · 工程落地 / 系统设计 / 开放题 · 高频面试题

答：频率由被控对象带宽、传感器更新、计算延迟和允许的状态陈旧度共同决定。电机驱动或关节伺服通常比视觉感知和任务规划更快，但具体数值依硬件与接口确定。常用异步分层：感知输出带时间戳的状态，策略输出目标或动作块，实时控制器在自己的周期跟踪，并处理超时和约束。

易错：动作执行频率、策略调用频率和底层伺服频率不能混为一谈；VLA 可以输出连续动作目标，不只输出任务指令。

核验：ROS 2 实时编程说明、RTC 作者说明。本题频次沿用历史记录，本轮只修订答案。

答：ROS 2 提供通信、工具与组件生态；常见 DDS 实现支持发现和 QoS，其他通信实现也须按发行版核对。生产是否采用取决于最坏延迟、抖动、可靠性、部署约束和可维护性。实时表现是内核、调度、执行器、内存、驱动与通信的系统属性，可将关键控制路径与非实时感知/服务隔离，再测目标周期下的时限违约率。

易错：不能断言“大公司不用 ROS 2”或给 DDS 固定微秒延迟；PREEMPT_RT 不是单独的保证，EtherCAT 也不是替代操作系统的实时调度器。

核验：ROS 2 实时编程说明。本题频次沿用历史记录，本轮只修订答案。

答：FSM 用状态与转移表达流程，少量明确状态时容易实现与验证；行为树用条件、动作和控制节点组合任务，便于复用、响应条件变化和组织回退。选型取决于流程复杂度、中断语义与可观测性。机器人 Agent 也可在更高层选择工具或技能，由 FSM/BT/控制器落实执行；这些层可以共存。

易错：行为树不天然解决所有中断，也不能断言 VLA 指令通常都会先转成 BT；工具返回成功仍须结合物理状态判断任务是否完成。

核验：Nav2 行为树说明、Thea 技术报告。本题频次沿用历史记录，本轮只修订答案。

答：先按最坏延迟、抖动、负载和故障语义选通信路径。共享内存减少复制但要设计所有权、同步与进程故障处理；消息队列提供解耦和背压；ROS 2 Topic 提供类型、QoS 与生态集成。关键控制链路还应检查调度优先级、内存分配、锁竞争与数据时效，并在目标硬件压力下测量。

易错：通信方式不能对应固定微秒数字。直接禁用抢占或无界自旋可能拖住实时任务；双缓冲也必须有正确的发布与读取同步协议。

核验：ROS 2 实时编程说明。本题频次沿用历史记录，本轮只修订答案。

答：阻抗控制：让机器人末端呈现可调"弹簧-阻尼-质量"特性：$F = K \Delta x + D \dot{x} + M \ddot{x}$，通过调节虚拟刚度 K、阻尼 D，控制机器人与环境交互时的柔顺性。

• 位置控制：精确跟踪轨迹，刚性高；接触未知环境时力过大 → 损坏零件或机器人
• 力控制：维持期望接触力；需要力矩传感器 + 稳定的力估计，对刚性接触不稳定
• 阻抗控制：两者折中；环境已知时刚、接触时柔，适合大多数操作

选型：无接触精密移动 → 位置控制；稳定接触力（如打磨/拧螺丝） → 力控制；插销/组装/接触不确定 → 阻抗控制。

易错：阻抗控制不是"只要有力矩传感器就能用"——需要精确的动力学模型（质量矩阵 M）；低成本机器人通常用导纳控制（Admittance Control，在位置控制外环）替代。

答：先做分段 profiling：视觉编码、主干条件编码、动作 token 解码或扩散/flow 迭代、传输和控制等待。AR 策略可考虑动作压缩或并行回归；迭代动作头可考虑减少采样步数或蒸馏；再评估量化、算子融合和异步动作块执行。方案应以目标硬件上的任务成功率、尾延迟和闭环稳定性验收。

易错：VLA 不全是自回归模型，GR00T/π0 类迭代动作头也不等于“一次 forward”；FAST 压缩动作不保证比 flow 解码更快。

核验：OpenVLA-OFT 作者页、FAST 作者说明。本题频次沿用历史记录，本轮只修订答案。

答：FP16/BF16 是浮点精度，不是量化算法；INT8 是表示精度，可配 PTQ 或 QAT。AWQ 利用校准激活寻找敏感通道，通过等价缩放降低低比特权重量化误差；GPTQ 用近似二阶信息逐步补偿权重量化误差。选择须同时考虑目标芯片内核、权重/激活精度、运行时内存及机器人闭环精度。

易错：AWQ 并非简单把显著通道保留为不量化；AWQ/GPTQ 不等于只能 INT4，也不能预先保证谁更稳或给出通用 Hz。

核验：AWQ 原论文、GPTQ 原论文。本题频次沿用历史记录，本轮只修订答案。

答：TensorRT 面向 NVIDIA 平台，需核对算子、动态形状和构建配置；ONNX Runtime 通过不同执行后端适配多平台；PyTorch 的 torch.export 捕获可供后端处理的图，torch.compile 用于编译优化。既有 TorchScript 工程可维护兼容，新项目应优先核对当前导出及部署路径，端侧可进一步评估 ExecuTorch。

易错：TorchScript 已被官方弃用，不宜继续作为新项目默认推荐；torch.export、ONNX 是图表达/导出路径，与具体推理运行时承担的职责不同。

核验：PyTorch 官方弃用说明、Torch-TensorRT legacy 文档。本题频次沿用历史记录，本轮只修订答案。

答：Jetson Orin AGX 64GB（2023，275 TOPS INT8，64 GB LPDDR5 统一内存）：

典型配置：

• 7B VLA INT8 量化 → ~8-10 GB 显存
• 推理吞吐：8-12 Hz（取决于视觉 encoder 大小和 chunk 长度）
• 功耗：~40-60W（vs A100 ~400W）

估算方法：FP16 模型 = 参数量 × 2 bytes；INT8 = 参数量 × 1 byte；7B × 1 byte = 7 GB，加 KV cache + 激活 ≈ 9-11 GB。推理延迟 ≈ forward FLOPs / 峰值算力（考虑 memory-bound 效率 40-60%）。

瓶颈：① 统一内存带宽（204 GB/s）是主瓶颈——LLM 推理 memory-bound；② 视觉 encoder（ViT-L 约 300M）单帧约 20 ms；③ 散热限制功耗 throttling。

易错：TOPS 是 INT8 峰值，实际 LLM 推理用不满（带宽受限）；不要用 TOPS 直接估算真实 token/s。

答：KD 流程：Teacher（大模型）软化输出（temperature T > 1 的 softmax 分布）→ Student 模仿 teacher 的"暗知识"（soft label + 中间层特征对齐），在小模型上实现接近大模型的性能。

常规 KD 步骤：① 确定 teacher（如 7B VLA）→ ② 设计 student（如 1B）→ ③ 在数据集上运行 teacher 生成 soft label → ④ student 用 KL 散度 + 任务 loss 联合训练。

机器人场景挑战：

• 动作输出是多模态分布（Diffusion/Flow Matching），KL 散度对多模态效果差；改用 feature-level 蒸馏 或 score distillation
• 训练数据量小（1K-50K demos），student 易过拟合 teacher
• 真机评估成本高，无法像 NLP 那样快速迭代 student 质量

实际路线：π0 系列用 PaliGemma 3B（SigLIP + Gemma 组合）作预训练 VLM backbone；LoRA 量化微调比全量 KD 更常用，成本更低。

易错：KD 不是"直接 copy teacher 权重 + 减小网络"，是软标签驱动的训练过程。

答：FlashAttention 分块计算精确注意力，减少显存读写与中间注意力矩阵存储，标准 dense attention 的二次算术量并未消失。KV cache 保存已处理前缀的 K/V，避免自回归解码重复投影；每个新 token 仍需关注历史，生成整段序列的注意力计算通常仍是二次量级。缓存内存按实际缓存 token 数增长。

易错：动作块覆盖 50 个控制步，不等于缓存里新增 50 帧视觉 token；跨观测复用还取决于位置、掩码及条件是否改变。激活重计算也不是 KV cache 的替代品。

核验：FlashAttention 原论文、Hugging Face 缓存说明。本题频次沿用历史记录，本轮只修订答案。

答：矛盾：batched inference 通过聚合多个请求摊销固定 overhead，吞吐提升 N×；但单个请求必须等 batch 凑满才发，延迟增加 = 等待时间 + 计算时间，与机器人实时控制的低延迟需求（< 100 ms）冲突。

解决思路：

1. 单路独占：单机器人 → batch_size=1，不凑批，延迟最低但 GPU 利用率低
2. 时间窗口 mini-batch：固定最大等待时间（如 10 ms），无论 batch 凑没凑满都发；在多机器人集群（Fleet）中平衡延迟和吞吐
3. 持续批处理（Continuous Batching）：vLLM 实现，请求随到随入 batch，不固定等待窗口；适合云端推理服务
4. Action Chunking 预计算：一次 VLA forward 生成 H=50 步动作，低层控制器跑完再请求下次推理；实际推理频率 1-2 Hz，对 batch 要求低

易错：Action Chunking 不是"减少 VLA 调用频率"的妥协，而是 ACT 的核心设计思想（降低复合误差）；推理频率低是副产品。

答：原理：用小 draft 模型（如 1B）串行快速生成 k 个候选 token，再用大 target 模型（如 7B）并行验证所有 k 个 token（一次 forward）；若验证通过则接受，否则截断重生成。理论加速比 = k / (1 + k × rejection_rate)，实测 NLP 场景 2-3×。

机器人 VLA 的可行性：

• 可行：动作 token 分布相对简单（7 维连续动作离散化），draft 模型命中率可能较高
• 挑战 1：VLA 动作 token 只有 7-350 个（chunk），speculation benefit 小（NLP 句子上千 token）
• 挑战 2：需要维护两个模型（draft + target）的显存，Jetson 上极为紧张
• 挑战 3：VLA 带视觉 token，draft 模型也需要处理图像 → 不是纯 LLM 投机

实际应用：主要见于云端 VLA 服务（多请求并发），边缘部署更常用量化 + 并行动作头（如 GR00T N1 的扩散式并行动作生成）；两者原理不同，但都减少了解码步数。

易错：投机解码不改变模型精度（验证步保证与 target 分布一致），是纯推理加速技巧。

答：

7B VLA 推荐：

• 4×A100（40GB）：FSDP or ZeRO-2（切梯度+优化器，不切参数）→ 稳定快
• 8×A100（80GB）：ZeRO-1（只切优化器）足够，通信少
• 多机（≥4 节点）：ZeRO-3 / FSDP + NVLink 节点内、InfiniBand 跨节点

实测规律：ZeRO-3 显存最省但通信最多，跨机 InfiniBand 慢时吞吐下降明显；VLA 首选 ZeRO-2 + activation offload 平衡显存和速度。

易错：FSDP 是 PyTorch 原生的 ZeRO-3 等价实现，不是比 ZeRO 更先进，是平台选择（PyTorch vs DeepSpeed）。

答：估算公式（混合精度训练，Adam optimizer）：

显存 ≈ 参数 × (2 B FP16 参数 + 2 B FP16 梯度 + 4 B FP32 主参数 + 4 B Adam m + 4 B Adam v) + 激活值

= 参数量 × 16 bytes + 激活值

7B VLA 示例：7 × 10⁹ × 16 = 112 GB（仅模型状态），+ 激活值（batch 依赖，约 20-60 GB）→ 总计 130-170 GB。

优化手段：① gradient checkpointing：激活值只存 checkpoint 节点，重算其余，激活显存 → ~10 GB（代价：增加约 30% 计算量）；② ZeRO-3 切分到 8 卡：每卡 ~20 GB；③ INT8 量化 + LoRA：7B LoRA 约 20-30 GB（仅训练 adapter 参数，不更新全量权重）。

典型配置：7B VLA 全参数微调 → 8 × A100 80GB（ZeRO-2）；LoRA 微调 → 4 × A100 40GB。

易错："7B 模型 = 7 GB" 是 INT8 推理权重估算（1 byte/param）；FP16 推理权重约 14 GB；训练还需 Adam 优化器状态（额外 8 bytes/param），总量完全不同数量级。

答：AMP 原理：前向/反向用低精度（FP16/BF16）计算，维护 FP32 主参数副本用于更新；梯度放大（GradScaler）防 FP16 下溢（underflow）。节省显存约 50%，训练加速 2-3×（Tensor Core 专为低精度优化）。

FP16 vs BF16：

VLA 建议：A100/H100 → BF16（无需 GradScaler，更稳定，VLM 大梯度场景不溢出）；V100 → FP16 + GradScaler。

易错：AMP 不是"全程 FP16"——优化器更新和权重维护仍是 FP32，只是前反向低精度。BF16 不需要 GradScaler。

答：标准 Attention 瓶颈：$QK^T$（$L \times L$）需 $O(L^2)$ HBM 读写；VLA context 达 512-2048 token 时带宽成瓶颈。

核心思路：① 分块（Tiling）：Q, K, V 小块在 SRAM 上完成 softmax + 加权，不写中间矩阵回 HBM；② Online Softmax 修正：维护 running max/sum 保证数值等价；③ 反向时重算 attention（不缓存 $L^2$ 矩阵）。

收益：HBM 读写 $O(L^2) → O(L)$，速度 2-4×，显存大幅降低。

VLA 几乎标配原因：多帧图像 token（每帧 256）+ 文本 + 历史动作，context 长度大，标准 attention 显存紧张甚至 OOM。

易错：Flash Attention 只改变内存访问模式，不改变计算结果（数学等价）；与 KV cache 优化目标不同——Flash Attention 训练/推理通用，KV cache 仅推理。

答：原理：标准反向传播缓存所有前向激活（显存 $O(L \times depth)$）。Gradient Checkpointing 只保留每 N 层一个 checkpoint 节点，反向时从最近节点重算中间激活，以约 30% 额外计算 换取 60-80% 激活显存节省，且梯度数值不变（数学等价）。

VLA 配置：对 LLM backbone 每层开 gradient_checkpointing=True；视觉 ViT 层数少，可不开。

与 ZeRO 配合：ZeRO-2/3 切分参数/梯度显存；gradient checkpointing 切分激活显存，两者正交互补。典型：7B + ZeRO-2 + checkpointing → 4 × A100 40GB 可跑。

易错：不是"保存 ckpt 文件"，是激活重计算；开启后训练速度降低约 30%，不影响梯度准确性。

答：

VLA 常见配置：

• 7B 全参数：8 × A100 80GB（ZeRO-2），单机足够
• 13B-70B 或大批量：多机，用 InfiniBand + NCCL，ZeRO-3
• 通信优化：gradient compression（梯度稀疏化/1-bit）or Async SGD（有精度损失）

跨机瓶颈：7B 模型 FP16 梯度约 14 GB，InfiniBand 200 Gb/s（实际有效带宽 ~60%）传输需 ~1 s；gradient accumulation 增大 batch 可分摊通信开销。

易错：多机不是"卡越多越快"——强扩展效率（Strong Scaling Efficiency）在 8+ 节点后常见 < 80%；通信开销随节点数增加。

答：torch.compile（PyTorch 2.0+）：基于 TorchDynamo（Python 字节码捕获计算图）+ TorchInductor（生成 Triton GPU kernel），将 eager 模式编译为融合 kernel，减少 kernel launch 次数和 HBM 读写。

典型收益：纯 Transformer forward/backward 约 10-30% 吞吐提升（无数据 IO 瓶颈时）；VLA 因含视觉 encoder + 动作头，实测 5-20%（因图像预处理、动态 shape 等限制编译效率）。

常见坑：① 动态 shape：VLA 输入长度变化 → 每种 shape 重编译（首次 1-3 min），加 dynamic=True 缓解；② 自定义 CUDA op（如 Flash Attention）fallback eager，需显式标注；③ silent fallback：编译失败不报错，需加日志确认是否生效。

VLA 建议：主要对 LLM backbone 开，视觉 encoder 保持 eager 避免动态 shape 坑。

易错：torch.compile 不能替代 Flash Attention（解决不同层面），两者可叠加。

答：

2024-2026 主流：ALOHA-style leader-follower（双臂 14-16 DoF）是最多公开数据集的选择；宇树 G1 用 VR + 全身运动捕捉。选型核心：操作的 DoF 要求（精细 → exo，范围 → VR，双臂 → leader-follower）。

易错：VR 手柄抖动会污染数据（需平滑滤波 / 仅用关键帧），不能直接当 GT 动作。

答：

关键区别：OXE 多体系宽泛，DROID 单体系高质量，Ego4D 无动作标签（只能做视觉预训练）。VLA 预训练通常：Ego4D + OXE 做视觉/语言预训练 → 任务数据微调 → DROID 验证泛化。

易错：Ego4D 不能直接训练机器人策略（缺动作标签），只用于视觉表征学习；不要说"用 Ego4D 训策略"。

答：采集流程设计：

1. 环境标准化：固定照明/背景/相机位姿（减少无关变量），但 DROID-style 也需多场景覆盖泛化
2. Operator 培训：操作员统一培训（避免动作风格差异），多 operator 增加多样性（Mobile ALOHA 策略）
3. 同步录制：多相机（wrist + overhead）+ 关节状态 + 时间戳对齐；< 1 ms 同步需硬件触发（外部触发信号）或 PTP（IEEE 1588，µs 级）；NTP 只能做毫秒级粗同步
4. 在线质量筛：任务完成检测（如物体位置传感器）自动过滤失败轨迹

数据清洗关键：

• 抖动过滤：VR 手柄输入需低通滤波（截止频率 5-10 Hz）
• 动作平滑：去除突变（速度超阈值的帧）
• 失败轨迹剔除：夹爪未闭合 / 末端超出工作空间 → 自动剔除
• 标注：自然语言任务描述（多人标注取一致）；成功/失败标签

易错：不要只收集"成功轨迹"——失败轨迹（负样本）对 RLHF / offline RL 有价值；完全清洗掉失败数据使策略无法学习恢复。

答：用处：① 学习视觉表征（物体形状、纹理、手部运动先验）→ 下游机器人任务 fine-tune 数据需求减少 5-10×；② 学习物理常识（物体如何掉落、液体如何流动）→ 减少仿真的 domain gap；③ 语言-视觉对齐（理解任务指令）。

典型使用：Ego4D 预训练 → EgoVLP/MAE 视觉 encoder → 迁移到 VLA（如 Octo 用 ImageNet 预训练 ViT）；R3M（Nair et al., 2022）用 Ego4D 人类活动视频预训练，对桌面抓取任务有明显收益。

根本局限：

• 无动作标签：视频只有像素，不知道机器人该输出什么关节角 / 力矩
• 视角不匹配：人手视角 vs 机器人腕部相机视角有巨大 domain gap
• 物理差异：人手柔顺，机器人刚性，力的分布完全不同
• 长尾分布：互联网视频大量是日常活动，机器人精密操作数据极少

易错：视频预训练的收益主要在视觉感知层，不会"自动学会如何操控"——策略学习仍需机器人专属数据。

答：数据飞轮闭环：部署机器人 → 采集交互数据（成功+失败）→ 过滤/标注 → 训练改进策略 → 更好的策略 → 更多/更难任务 → 继续采集。理论上闭环越快越强。

为什么难 scale：

1. 数据采集速度瓶颈：teleop 需要人工操作，单台机器人采集约 1-5 demos/小时，1000 demos = 200-1000 人时
2. 数据多样性 vs 质量矛盾：多场景保证泛化，但每场景样本少 → long-tail 问题
3. 标注成本：自然语言任务描述 + 成功/失败标签 + 关键帧标注，人工成本非线性增长
4. 分布 shift：旧数据与新策略的状态分布不一致 → 需 DAgger-style 在线数据收集
5. Reset 成本：真机每次 demo 后需 reset 场景，人工耗时大

行业现状（2025）：自主数据采集（机器人在夜晚自己采集）+ VR 远程采集集群是主要突破方向；Physical Intelligence（π）、Figure 都有大规模 teleop 采集基础设施。

易错：数据飞轮不是"有了数据就飞轮"，闭环的关键是数据质量筛选 + 增量训练策略，垃圾数据会反向拖累策略。

答：主要思路：

1. Reset-free Learning：策略自主探索，无需人工 reset（如 Forward-Backward RL，在"做任务"和"恢复初始态"间循环）
2. Curiosity-Driven Exploration：自动选择"信心低"状态收集数据（DAGGER 风格在线查询）
3. Scripted / Heuristic Collection：写简单程序控制机器人随机/系统地扫描工作空间，采集带 annotation 的场景数据
4. Human-in-the-Loop：策略自主运行，失败时触发远程 teleoperation 补全

vs teleop 优势：24/7 无人工，单机器人日采集量可达 teleop 的 10-50×；边际成本极低。

局限：

• 初始策略不够强时，自主探索只采到低价值数据（随机碰撞）
• 缺乏任务目标驱动（需要 reward 定义或任务成功检测）
• 安全性：无人监督下需硬件安全限位

易错：自主数据采集不是"让机器人自己学"——仍需要明确的成功/失败检测和数据标注机制。

答：系统化排查流程（由浅入深）：

Step 1 — 输入分布检查：记录真机传感器数据（图像/关节状态）与仿真数据的分布差异（直方图对比）；常见：光照/背景/物体颜色偏差，关节摩擦力估计不准。

Step 2 — 策略输出检查：在真机上 rollout 时 log 动作分布；若策略输出与仿真动作差异大，说明观测 domain gap 大；若动作分布类似但执行失败，是执行器/物理 gap。

Step 3 — 逐模块 ablation：

• 关掉感知，直接输入仿真参考状态 → 排查控制 gap
• 用仿真相机 → 排查视觉 gap
• 用真实图像 + ground truth 状态 → 排查策略泛化

Step 4 — 常见 gap 原因：

• 物体质量/摩擦系数不准 → 加 domain randomization 重训
• 相机内参/外参偏差 → 重新标定
• 控制频率 / 延迟不匹配 → 统一仿真和真机延迟设置

易错：不要第一步就调超参数，先定位 gap 来源再针对性修；盲目加 DR 有时反而降低真机策略质量（过度泛化导致精度下降）。

答：Reward hacking：策略找到了"高 reward 但违背任务意图"的捷径行为，即 reward 函数没有完整表达人的意图。

机器人常见表现：

• 抓取任务：夹爪直接压住物体（不抬起）触发"接触 = 抓到"reward
• 导航任务：机器人原地抖动触发"速度大 = 探索积极"reward
• 灵巧操作：过度用力挤压物体达成"接触力 > 阈值"的假成功

解决思路：

1. Reward Shaping 精细化：加约束（如同时检测抬起高度 + 接触力 + 位移）
2. RLHF / Preference Learning：人类偏好标注替代 reward 函数
3. Demo-conditioned reward：只有动作接近 demo 时才给 reward（如 GAIL/AIRL）
4. 多目标约束：主 reward + 行为约束 penalty（如异常力矩惩罚）
5. 真机验证频率提高：仿真训练 + 每 N 步真机评估，早发现 hacking 行为

易错：Reward hacking 不是"策略 bug"，是 reward 设计问题；加更多训练数据解决不了，必须修 reward 定义。

答：出现场景：将预训练 VLA（在大规模数据上训练的通用能力）在特定任务数据上全参数微调时，模型快速过拟合新任务 → 遗忘预训练时的语言理解/视觉泛化能力，在新任务上成功，其他任务失败。

常见表现：微调后在原任务上成功率骤降（如 OpenVLA 微调新桌面抓取 → 忘记开门）；语言指令理解变差（只能响应微调数据的指令风格）。

缓解策略：

1. LoRA / PEFT：只更新 < 1% 参数，冻结主干 → 最常用
2. EWC：Fisher 信息矩阵指导，惩罚重要参数大幅改变
3. Replay / Co-training：混入预训练数据（Mobile ALOHA co-train 策略）
4. KI（Knowledge Insulation）：π0.5 思路，stop-gradient 隔离 VLM 和 Action Expert
5. 差异 lr：VLM backbone 用极小 lr（1e-5），action head 用较大 lr（1e-4）

易错：LoRA 不能完全防遗忘；彻底防遗忘仍需 co-training 混入原始数据。

答：振荡原因：

• PID P 增益过大 → 超调 + 振荡（欠阻尼）
• 控制频率低（> 10 ms 周期）→ 相位滞后 → 条件不稳定
• 关节静摩擦（stiction）→ 低速黏滑（stick-slip）现象
• VLA 动作 chunk 末端不连续 → 关节速度跳变

PID 调参：① Ziegler-Nichols 法（逐渐增 P 至临界振荡，读取 $K_u$ 和 $T_u$，代入公式计算 P/I/D）；② 人工逐步调：先清零 I/D，调 P 至刚好振荡，再加 D（微分减振荡），最后加 I（消除稳态误差）；③ 加前馈（Feedforward）：预计算重力补偿，减轻 P 的负担。

阻抗控制调参：虚拟刚度 K 太大 → 刚性振荡（减 K 或加 D）；阻尼 D 太小 → 欠阻尼（增 D 至临界阻尼 $D = 2\sqrt{KM}$）；质量 M 影响响应速度（通常设为实际惯量的 1-5×）。

VLA chunk 振荡：Chunk 边界加速度不连续 → 用三次样条插值平滑相邻 chunk 的连接；或减小 chunk 长度 H。

易错：不要把"振荡"和"稳态误差"混淆，两者病根不同（前者是 P/D 问题，后者是 I 问题）。

答：Diffusion Policy 的 Mode Collapse：多模态动作分布下，策略只学会一种模式（如总是选同一抓取方向），丢失其他合法方案。

排查方法：① 同一观测下多次采样（N=100）动作，绘 2D 投影；若全部聚成一团 → collapse；② log 各 diffusion step 的 loss，若小 t（精细步）loss 极低而大 t 偏高 → 过拟合单一模式；③ 检查 score 网络输出方差是否异常小。

根本原因：① 训练数据单模态（operator 风格单一）→ 增加操作员多样性；② Beta schedule 过早收紧 → 调整为 cosine schedule；③ CFG Guidance scale 过高 → 降低；④ lr 过大 → 降至 1e-4 以下。

易错：Diffusion Policy 本设计防 mode collapse，若仍 collapse 先查数据；与 GAN collapse 机制不同，无需改判别器。

答：IMU 漂移：陀螺仪积分误差随时间累积（Gyro bias），表现为姿态估计随时间漂移（静止时角速度输出非零）。

• 检测：静置机器人采集 N 秒数据，计算静态时 bias 均值和方差
• 补偿：① 开机标定（校准 bias offset）；② 互补滤波 / EKF：融合加速度计（无漂移但噪声大）和陀螺仪（短期精准但长期漂），EKF 状态量含 bias 项自动估计

力矩传感器漂移：温度变化导致零点漂移（Thermal Drift），表现为无负载时力/力矩读数随温度升高缓慢变化。

• 检测：预热机器人 5-10 分钟，监测空载读数变化（> 0.5 N 为需补偿）
• 补偿：① 运行前重新清零（tare）；② 建立温度-零点补偿模型（查表或线性拟合）；③ 选用内置温度补偿的传感器（ATI Axia / Rokbi）

通用原则：定期标定（每月或每 N 小时作业）；记录环境温度、湿度与漂移量，建补偿表。

易错：不要把"漂移"和"噪声"混淆——漂移是系统性偏差（低频），噪声是随机（高频）；滤波器设计不同。

答：先测观测年龄、排队、预处理、推理、通信及控制执行的延迟分布，而非只看均值。动作块异步生成时维护绝对时间与执行位置，检测过期、缺块和超时；RTC 等方法让新块与已承诺动作对齐。再检查控制器的速度/加速度限制、缓冲下溢与停止/保持策略，并用实际负载压力测试。

易错：双缓冲或平滑并不自动消除新旧块冲突；较长块也可能增加观测陈旧。抖动可能来自调度、驱动、网络或设备，不能一概排除硬件。

核验：RTC 作者说明、ROS 2 实时系统设计。本题频次沿用历史记录，本轮只修订答案。

答：遥操作提供与机器人观测对齐的动作示教，可先用 BC、ACT、diffusion/flow 等方法建立任务基线，省去早期大量探索与奖励设计。数据采集、质量检查和真机评测也较易形成可控流程。但示教覆盖、重置成本、跨本体迁移和分布偏移仍是限制；可结合仿真、离线数据及 RL 后训练逐步补足。

易错：不存在统一最优范式或固定“几个月胜过几年”的周期；自主执行数据采集与人工遥操要分开说明，RL 也不只是对 BC 模型简单套 PPO。

核验：ACT 原论文、RECAP 原论文。本题频次沿用历史记录，本轮只修订答案。

答：从任务多样性、可用数据、精度、时延、调试成本及验收约束比较。模块化便于逐层诊断和复用已知几何/控制结构；VLA 可学习语言与视觉条件到动作的映射，但泛化与恢复需实测。可以组合高层模型、技能/策略和底层控制，先定义接口与故障归属，再以同任务、同预算比较成功率和成本。

易错：VLA 不必只负责高层规划，也并非天然解决长尾；端到端策略可以输出关节目标，各层控制频率不能统一写死。

核验：Helix 02 官方说明、PyRUA-Lean 原论文。本题频次沿用历史记录，本轮只修订答案。

答：先澄清“2台”指服务器还是GPU，以及是否每台8张80GB A100；再确认本体、数据、团队、可用时段与交付范围。第一阶段跑通采集—训练—回放—受控真机基线；第二阶段围绕失败类型补数据与适配模型；第三阶段固定保留任务做鲁棒性、恢复和部署验收。按实测显存、吞吐与数据质量选择模型和微调方法。

易错：资源数量和交付范围未清楚前不能承诺成功率；桌面双臂原型不等于全身 humanoid pipeline，参数量也不能单独确定能否全参微调。

核验：OpenVLA 原论文、TorchData StatefulDataLoader。本题频次沿用历史记录，本轮只修订答案。

答：先定义要解决的任务、成本和可靠性目标，再区分已发表结果、尚待验证的假设与自己的路线选择。示教预训练、RL 后训练、仿真/合成数据及模型编排已有不同设定的研究；可选择其中一条提出可测里程碑，如保留场景成功率、人工介入率与每次成功成本，并解释失败时的替代方案。

易错：不要把发布演示称为普遍 SOTA，也不要给无人数据飞轮或世界模型落地写确定年份；预印本结论只能在其任务、接口和预算下比较。

核验：RECAP 原论文、PyRUA-Lean 原论文。本题频次沿用历史记录，本轮只修订答案。

答：围绕具体系统选瓶颈，给出测量：数据覆盖看保留场景与失败簇；实时性看观测年龄和延迟分位数；长程可靠性看完成率、恢复率、人工介入与失败步骤。再设计单因素改进或消融，报告成本和剩余限制。数据、模型、控制、硬件和系统集成都可能成为主要约束。

易错：不能用未经测量的演示数量、采集工时或“当前最好系统成功率”充当行业事实；算力和带宽也可能是真实瓶颈，不能先验排除。

核验：Thea 机器人 Harness 报告、OpenVLA-OFT 项目。本题频次沿用历史记录，本轮只修订答案。

答：按协作者关心的指标解释：机械侧谈可达空间、负载、接触和实测精度；电气/控制侧明确指令类型、单位、时间戳、超时与停止语义；产品侧给出已验证任务、环境、失败模式及人工介入条件。用成功和失败样例、接口文档及同一验收集建立共同预期。

易错：VLA 没有通用的毫米精度、100ms 延迟或成功率；数字必须附具体本体、任务、版本与测试条件。“可继续采数据训练”也不等于上线后会自动学会。

核验：Helix 02 官方说明、ROS 2 实时系统设计。本题频次沿用历史记录，本轮只修订答案。

答：模型负责给出候选决策；Harness 管理工具发现与调用、上下文、任务状态、执行循环、权限与预算，并记录可复查的运行轨迹。按可测试接口拆开，模型或工具替换时仍能定位失败。若连接机器人，还要把状态观测、动作执行和任务完成验证接入闭环。

易错：Harness 没有唯一固定分层；不能把换一段提示词等同于已经实现可靠的执行系统。

题源：公开面经原帖；具身企业前端／平台岗，非机器人策略算法岗；原帖创建 2026-09-03（公开 HTML 结构化记录核实）；面试年份未核。

核验：Thea 机器人 Harness 报告、LangGraph 工作流与 Agent。

答：输入用明确的类型、单位、必填项和约束，并在运行时验证；返回区分业务结果、执行状态和结构化错误，附请求标识与必要证据。说明超时、取消、重复调用和重试语义；工具描述告诉模型何时适用，运行时负责实际检查。

易错：JSON 合法或工具调用成功不等于业务目标完成；运动指令已接收也不证明物体已经抓稳。

题源：公开面经原帖；具身企业前端／平台岗，非机器人策略算法岗；原帖创建 2026-09-03（公开 HTML 结构化记录核实）；面试年份未核。

核验：MCP 工具规范、Thea 机器人 Harness 报告。

答：短期状态保存当前目标、已执行步骤、最近观测与待解决问题；长期记忆保存跨任务可复用且有来源的信息。用结构化摘要、按需检索和过期策略限制上下文，保留来源、时间与版本。写入前验证，发现冲突时重新观测或查询，而非把旧摘要直接当事实。

易错：长期记忆不必全放向量库；模型猜测、工具错误和已经过期的机器人位置不应自动升级为可信记忆。

题源：公开面经原帖；具身企业前端／平台岗，非机器人策略算法岗；原帖创建 2026-09-03（公开 HTML 结构化记录核实）；面试年份未核。

核验：LangGraph 记忆说明。

答：ReAct 根据当前信息选择动作，再用观测决定下一步，适合执行中不断获得新信息；先规划再执行先形成子任务及依赖，再交给执行器，便于跟踪长任务。实际可先规划、逐步执行，在前置条件不成立或结果偏离时局部修订计划。

易错：先规划不意味着计划必须一路不变；观测也不能只读模型自己的文字总结，应保留工具和环境反馈。

题源：公开面经原帖；具身企业前端／平台岗，非机器人策略算法岗；原帖创建 2026-09-03（公开 HTML 结构化记录核实）；面试年份未核。

核验：LangGraph 工作流与 Agent、ReAct 原论文。

答：每轮记录目标、调用及结果，由明确的完成条件决定成功退出；另设步数、时间、token 和重试预算。对重复动作、状态无进展、连续失败及观测缺失做检测，触发恢复、降级或失败退出。日志要能区分模型决策问题与工具一直未完成。

易错：“模型说完成”不是充分验收；预算耗尽应报告未完成，不能当成任务成功。

题源：公开面经原帖；具身企业前端／平台岗，非机器人策略算法岗；原帖创建 2026-09-03（公开 HTML 结构化记录核实）；面试年份未核。

核验：Thea 机器人 Harness 报告、LangGraph 工作流与 Agent。

答：先判断输入和执行路径是否稳定。可枚举、可验证的固定流程优先编码为工具或工作流；需要结合新上下文选择工具、调整步骤时再引入 Agent。把反复成功的查询封装成有契约的可测试工具，保留参数化和失败处理，让 Agent 负责选择与组合。

易错：沉淀工具不是照搬一次聊天记录；应剥离临时状态、硬编码凭据和偶然成功的假设，并用回归用例验证。

题源：公开面经原帖；具身企业全栈／平台岗，非机器人策略算法岗；原帖创建 2026-08-13，编辑/展示 2026-08-28（公开 HTML 结构化记录核实）；面试年份未核。

核验：LangGraph 工作流与 Agent。

答：先把目标绑定到可观测对象和状态，检查技能前置条件；技能或策略生成末端目标、关节目标或轨迹，按输出类型接入适配器、必要的运动规划／IK 与控制器执行。回传执行进度、异常和新观测，并独立检查目标是否达成，失败时重新规划或恢复。

易错：任务规划的“抓杯子”、末端目标和电机命令是不同抽象层；具体系统可合并部分环节，但接口、坐标系与完成语义必须明确。

题源：公开面经原帖；具身企业全栈／平台岗；问题明确涉及机器人执行；原帖创建 2026-08-13，编辑/展示 2026-08-28（公开 HTML 结构化记录核实）；面试年份未核。

核验：Thea 机器人 Harness 报告、PyRUA-Lean 原论文。

答：先定义一个完整任务何时成功，固定测试集、工具环境、模型／提示词版本和调用预算，按任务统计成功、失败和超时。除成功率外记录完成时间、调用成本及失败类别；重复随机运行时说明次数和聚合方式，保留失败轨迹。迭代与最终验收使用分开的样本。

易错：工具返回率、单步正确率和端到端任务成功率不同；不能让同一个模型的自评代替可验证结果，也不能挑最好一次代表全部。

题源：公开面经原帖；具身企业数据引擎岗；原问为数据分析 Agent 项目；原帖创建 2026-09-04，编辑/展示 2026-09-09（公开 HTML 结构化记录核实）；面试年份未核。

核验：Thea 机器人 Harness 报告。

答：MCP 规范客户端与服务端发现和调用工具等能力的交互；Skill 通常把任务说明、流程和可复用资源组织成可加载的能力包。Skill 可以指导何时调用 MCP 暴露的工具，工具执行仍经过宿主运行时。比较时先约定这里的 Skill 指哪种实现。

易错：注册了工具不等于模型一定会正确选择；Skill 文本也不自动赋予权限或保证步骤执行顺序。

题源：公开面经原帖；具身企业平台开发岗；与千寻全栈二面同一求职流程；原帖创建 2026-08-08，编辑/展示 2026-08-26（公开 HTML 结构化记录核实）；面试年份未核。

核验：MCP 工具规范、Agent Skills 规范。

答：将必须满足的条件落实为运行时校验、状态机或工作流门控，文本负责解释目的和可选策略；每一步记录输入、调用、结果和状态转移，用正常与异常用例做回归。允许偏离的部分预先界定，例如工具等价替换；关键前置条件与验收要求不能仅靠模型自觉。

易错：提示词遵循率不是执行保证；把所有偏离都视为错误也会损失灵活性，需区分硬约束和可调整步骤。

题源：公开面经原帖；具身企业平台开发岗；与千寻全栈二面同一求职流程；原帖创建 2026-08-08，编辑/展示 2026-08-26（公开 HTML 结构化记录核实）；面试年份未核。

核验：Agent Skills 规范、LangGraph 工作流与 Agent。

答：把任务标识、目标、已确认事实、待办、工具结果引用和版本组成显式交接状态；必要上下文随任务传递，大文件与长轨迹按引用读取。区分共享状态与各 Agent 的局部上下文，对并行更新规定所有权或合并规则，交接后检查关键信息是否齐全。

易错：共享同一个长聊天记录不等于状态一致；摘要可能漏约束，旧版本结果也不能直接覆盖较新的执行事实。

题源：公开面经原帖；具身企业 Agent 平台开发岗，非机器人策略算法岗；原帖创建 2026-08-05，编辑/展示 2026-08-26（公开 HTML 结构化记录核实）；面试年份未核。

核验：LangGraph 记忆说明、RegenHarness 原论文。

答：先记录实际已发生的操作及当前状态。连接超时等暂态故障可在预算内退避重试；参数或权限错误应先修正条件；副作用是否发生不明时先查询确认。写操作采用请求标识和去重机制，不能保证幂等的动作需要恢复策略，失败记录要进入追踪与回归。

易错：超时不代表操作没发生；重复运动或重复写入可能产生额外副作用，不能把“全部重试三次”当通用容错。

题源：公开面经原帖；具身企业 Agent 平台开发岗，非机器人策略算法岗；原帖创建 2026-08-05，编辑/展示 2026-08-26（公开 HTML 结构化记录核实）；面试年份未核。

核验：MCP 工具规范、RegenHarness 原论文。

答：除模型外，保存优化器、调度器、随机数、训练步与梯度累积状态，以及各 rank 的 sampler／dataset／DataLoader 进度。分片、种子、shuffle epoch 和数据版本必须对应。可用 StatefulDataLoader 保存迭代状态，但仍需各 rank 协调；恢复后按 sampler 的补齐／丢尾规则核对样本 ID。

易错：只保存 batch 下标或调用 set_epoch 不够；worker 预取、随机增强、world size 改动都会影响复现，不能无条件保证逐位一致，也要区分预期的补齐重复与异常重放。

题源：公开面经原帖；具身企业通用大模型后训练实习岗，非 VLA 策略后训练专项；原帖创建 2026-02-10（公开 HTML 结构化记录核实）；面试年份未核，属旧帖补缺，非本季度面经证明。

核验：TorchData StatefulDataLoader。

答：先确认现场安全并保存故障时刻日志；从急停、安全状态、电源和驱动报警查起，再查总线链路、设备状态与周期数据。沿命令生成、发送、驱动接收、实际反馈逐层比对，检查是否限位、超时或保护触发。用同一时间线关联其他关节和传感器，定位第一处异常。

易错：“模型还在输出”不证明命令已到驱动；盲目重启会丢失现场，也可能使尚未结束的命令重新生效。

题源：公开面经原帖；机器人软件工程岗；原帖为真机现场排查；原帖创建 2026-10-14（公开 HTML 结构化记录核实）；面试年份未核。

核验：Beckhoff 诊断说明（TwinCAT 示例）、ROS 2 实时系统设计。

答：沿相机采集、驱动缓冲、编码传输、订阅回调到推理消费逐段测帧号、时间戳、频率与队列积压。先看原始流是否存在，再核对带宽、CPU/GPU 负载、复制和解码开销，以及 ROS 2 QoS 是否兼容。区分采集时间与到达时间，回放复现并关联控制异常。

易错：增大缓存可能只把丢帧变成更大延迟；收到旧图不等于拥有当前观测，重传可靠性也不等于实时性。

题源：公开面经原帖；机器人软件工程岗；原帖为相机链路与同步排查；原帖创建 2026-10-14（公开 HTML 结构化记录核实）；面试年份未核。

核验：ROS 2 QoS 设计。

答：常见坑：① 动态 shape：PyTorch 默认导出固定 shape，VLA 输入 token 数变化 → 加 dynamic_axes 参数或 torch.onnx.export 时指定动态轴；② 自定义 CUDA op（如 Flash Attention）：ONNX 不认识自定义算子 → 需注册为 custom op 或替换为 ONNX 原生 attention；③ Python 控制流（if/for）：torch.jit.script 要求显式类型，动态分支需改写；④ int64 索引：部分 ONNX runtime 不支持 int64 → 转 int32。

排查工具：onnxruntime.InferenceSession 验证导出模型；Netron 可视化计算图。

易错：不要假设 PyTorch → ONNX → TensorRT 一气呵成；每个转换步骤都可能有算子不兼容，需要逐步验证。

答：核心挑战：策略测试需要物理环境，单测无法覆盖真机行为。

分层测试：① 单元测试：策略网络 forward/inference shape 检查（pytest）；② 仿真回归测试：用 Isaac Lab / MuJoCo 跑固定场景，成功率回归（> baseline × 0.9）；③ 端到端仿真 rollout：提交 PR 时自动在仿真器中跑 10 次评估；④ 人工真机验收：重大版本才跑真机（成本高）。

发布流程：模型版本控制（W&B / MLflow）→ 量化（TensorRT）→ 灰度部署（先 1 台，再 N 台）→ 监控 rollback 指标（任务成功率 / 急停次数）。

易错：策略测试不能完全替代真机验证；仿真 CI 是必要条件，不是充分条件。

答：快速贡献路径：① 文档/示例：门槛最低，阅读文档发现 gap → 补充 example notebook / README；② Bug fix：跑通 quickstart 发现复现问题 → 提 issue + 附 MRE（Minimum Reproducible Example）→ PR；③ 算法改进：阅读 issue tracker 找 "help wanted" 标签 → 先 issue 讨论方案，被接受后开 PR（避免无效劳动）。

PR 要点：小 PR 比大 PR 容易 review（单一功能）；必须附测试（pytest/rollout 结果）；描述清楚"为什么改"不只是"改了什么"；遵循 code style（black/flake8 预先过一遍）。

具身 AI 开源项目：Lerobot（Hugging Face）/ LeRobot、OpenVLA、GR00T、BehaviorTree.CPP、Nav2。

易错：不要直接提"我能实现 X 大功能" PR，先问 maintainer 是否在路线图上；避免重复造轮子。